IEEE Accessに論文が採録されました

当研究室の論文がIEEE Accessに掲載されました。

T. Sugiyama, S. Yoshida and M. Muneyasu, “Joint Modeling of Prediction and Behavioral Patterns for Reliable Recommendation With Implicit Feedback,” in IEEE Access, vol. 13, pp. 49788-49800, 2025, doi: 10.1109/ACCESS.2025.3552102

概要

この論文は、レコメンダーシステムにおける暗黙のフィードバック（クリック、購入履歴など）に含まれるノイズに対処する新手法を提案しています。

暗黙のフィードバックとは、ユーザーが明示的に評価を与えなくても自然に収集できる行動データのことで、商品のクリック、動画の視聴、記事の閲覧といった利用履歴が含まれます。これはレコメンダーシステムにとって貴重な情報源ですが、誤クリックや誤解を招くタイトルに引かれた閲覧など、真の好みを反映しないデータも多く含まれています。

本研究では、予測スコアとユーザー行動の共起パターンを二次元ガウス混合モデル（2D GMM）で分析し、各相互作用の信頼性を推定する手法を開発しました。この信頼性に基づいて学習時の重み付けを調整することで、ノイズの影響を軽減します。

Yelp、Amazon-book、ML-1Mの3データセットでの実験では、標準的手法と比較して最大38%、既存のノイズ除去手法と比較して最大33%の推薦精度向上を達成しました。この成果は、Eコマースや動画配信など様々なオンラインプラットフォームでのユーザー体験向上に貢献します。